Escolar Documentos
Profissional Documentos
Cultura Documentos
Santa Maria, RS
2022
√ BoxPlot
k = | n |, se n ≤ 50
LI = Máx{ X(1) ; Q1 − 1, 5 · ( Q3 − Q1 )}
LS = Min{ Q3 + 1, 5 · ( Q3 − Q1 ); X(n) }
k = 1 + 3, 3 log(n), se n > 30
• MEDIDAS DE DISPERSÃO
Amplitude de cada Classe
Desvio Médio
H Amplitude Total
h= =
k Nº de Classes ∑in=1 | xi − x |
d=
n
2 ∑in=1 ( xi − x )2 ∞
S =
n−1 E( x ) = ∑ xi · P ( xi )
i =1
(∑in=1 xi )2
∑n [ x2 ] −
S 2 = i =1 i n
n−1
V ( x ) = E( x2 ) − [ E( x )]2
Desvio Padrão
∞
Onde E( x2 ) = ∑ xi2 · P(xi )
i =1
√
Populacional → σ = + σ2
Desvio Padrão
√
Amostral → S = + S2
q
Coeficiente de Variação DP( x ) = + V (x)
σ
Populacional → CV = Variável Aleatória Contínua (V.A.C.)
µ
S
Amostral → CV = Função densidade de probabilidade
x
n Z ∞
I I) ∑ P ( xi ) = 1 E( x ) = x · f ( x ) dx
i =1 −∞
3
V ( x ) = E( x2 ) − [ E( x )]2
λ x · e− λ
P( X = x ) =
Z ∞ x!
2
Onde E( x ) = x2 · f ( x ) dx
−∞
Em que λ = taxa média de sucesso
• DISTRIBUIÇÕES DE PROBABILI- x = 0, 1, 2, ..., . 0≤p≤1
DADE
E( X ) = λ (Esperança)
Distribuição de Bernoulli - (V.A.D)
V (X) = λ (Variância)
E( X ) = p (Esperança)
Aprox Binomial p/ Poisson
V ( X ) = p · (1 − p ) (Variância)
Na prática n ≥ 30 p ≤ 0, 1
n
P( X = x ) = · p x · (1 − p ) n − x λ = n·p
x
V ( X ) = n · p · (1 − p ) (Variância)
x, µ ∈ R eσ>0
HP Prime: Binomial(n,p,k)
- n ensaios E( x ) = µ (Esperança)
- p = probabilidade de sucesso
- probabilidade de k sucessos. V ( X ) = σ2 (Variância)
4
I) f (x) ≥ 0 E( x ) = n · p → µ
Z ∞
I I) f ( x ) dx = 1 V ( x ) = n · p · (1 − p ) → σ 2
−∞
x−µ x − (n · p)
z= =p
Aproximação de probabilidades por tabela σ n · p · (1 − p )
Somente se n → ∞ e p → 0, 5. É bom
estabelecer um fator de correção, dado por
P( a < x < b) =
b 2 ! P( x1 − 0, 5 ≤ x ≤ x2 + 0, 5)
x−µ
Z
1 1
√ · exp − dx
a 2πσ 2 σ
Aprox Poisson p/ Normal
x−λ
z= √
x−µ λ
z=
σ
a−µ b−µ
P( a < x < b) → P <z< → Gerar um número para cada ele-
σ σ
mento
Amostragem estratificada
1 1 2
φ(z) = √ e− 2 z
2π
QMregressão
Teste de Hipótese para o coeficiente de Fcalc =
QMerro
correlação linear
SQtotal
Estimando o modelo de regressão linear QMtotal =
n−1
QMregressão = SQregressão
ŷ = β̂ 0 + β̂ 1 x SQerro
QMerro =
n−2
6
Coeficiente de determinação
SQregressão
R2 =
SQtotal
7
• ANEXOS
• EXERCÍCIOS
10 Legenda 1 Teste
5 3
2 2
1 1 1 1 1 1 1 1 1
1830 1940 1977 1980 1984 1987 1988 1990 1993 1997 2002 2006
Freq Absol
14
13
12
11
10
9
8
7
6
5
4
3
2
1
5 10 15 20 25 30 35 40 45 50 Tempo (h)
Figura 4: Tempos de secagem (em horas) de amostras do material x. Santa Maria, RS. 2022.